TU Darmstadt / ULB / TUbiblio

Path Prediction in Multiagent Pedestrian Scenario

Audenrith, Benjamin (2015):
Path Prediction in Multiagent Pedestrian Scenario.
Darmstadt, TU, Master Thesis, 2015, [Master Thesis]

Abstract

A great task humans can carry out by means of visual perception is to predict the movement of objects based on the previous behavior. This task can - to a certain extent - also be applied if no previous behavior has been seen, e.g. estimating the future position of an object by just looking at a single image. In this master thesis, the task of estimating the behavior of multiple agents in an image sequence was carried out. Based on a training set of pedestrian data, features have been extracted and via machine learning arranged into a framework, which helps to predict the future position of all the identified agents in the sequence. This prediction algorithm was applied to two data sets. To evaluate the progress over a state of the art single agent path prediction approach, which was modified to better fit the multi agent case, new metrics were introduced for rating path prediction approaches. Eine großartige Leistung der menschlichen Wahrnehmung ist das Vorhersagen der Bewegung von Objekten, basierend auf bisheriger Beobachtungen. Zu einem gewissen Grad kann dies auch ohne Informationen über das bisherige Verhalten durchgeführt werden, also beispielsweise das Abschätzen, wie sich eine Szene verändern wird, während man nur ein Bild zur Verfügung stehen hat. Diese Masterarbeit beschäftigt sich mit dieser Fragestellung, insbesondere mit der Verhaltensprognose mehrerer aktiver Instanzen in aufeinanderfolgenden Bildern. Basierend auf einem Trainingsdatensatz, der Informationen über das Verhalten von Fußgängern beinhaltet, wurden Features ermittelt. Mithilfe eines Ansatzes aus dem Bereich des maschinellen Lernens werden diese Features verwendet, die zukünftigen Positionen aller identifizierten Fußgängern vorherzusagen. Dieser Pfadvorhersagealgorithmus wurde auf zwei Datensätze angewandt. Um das Ergebniss des Ansatzes mit einem aktuellen Algorithmus zur Vorhersage des Pfades für einzelne Pasanten, welcher auf die Vorhersage für mehrere Fußgänger angepasst wurde, in Beziehung zu setzen, wurden neue Metriken eingeführt, die ein Bewerten von Pfadvorhersagealgorithmen vergleichbarer machen sollen.

Item Type: Master Thesis
Erschienen: 2015
Creators: Audenrith, Benjamin
Title: Path Prediction in Multiagent Pedestrian Scenario
Language: English
Abstract:

A great task humans can carry out by means of visual perception is to predict the movement of objects based on the previous behavior. This task can - to a certain extent - also be applied if no previous behavior has been seen, e.g. estimating the future position of an object by just looking at a single image. In this master thesis, the task of estimating the behavior of multiple agents in an image sequence was carried out. Based on a training set of pedestrian data, features have been extracted and via machine learning arranged into a framework, which helps to predict the future position of all the identified agents in the sequence. This prediction algorithm was applied to two data sets. To evaluate the progress over a state of the art single agent path prediction approach, which was modified to better fit the multi agent case, new metrics were introduced for rating path prediction approaches. Eine großartige Leistung der menschlichen Wahrnehmung ist das Vorhersagen der Bewegung von Objekten, basierend auf bisheriger Beobachtungen. Zu einem gewissen Grad kann dies auch ohne Informationen über das bisherige Verhalten durchgeführt werden, also beispielsweise das Abschätzen, wie sich eine Szene verändern wird, während man nur ein Bild zur Verfügung stehen hat. Diese Masterarbeit beschäftigt sich mit dieser Fragestellung, insbesondere mit der Verhaltensprognose mehrerer aktiver Instanzen in aufeinanderfolgenden Bildern. Basierend auf einem Trainingsdatensatz, der Informationen über das Verhalten von Fußgängern beinhaltet, wurden Features ermittelt. Mithilfe eines Ansatzes aus dem Bereich des maschinellen Lernens werden diese Features verwendet, die zukünftigen Positionen aller identifizierten Fußgängern vorherzusagen. Dieser Pfadvorhersagealgorithmus wurde auf zwei Datensätze angewandt. Um das Ergebniss des Ansatzes mit einem aktuellen Algorithmus zur Vorhersage des Pfades für einzelne Pasanten, welcher auf die Vorhersage für mehrere Fußgänger angepasst wurde, in Beziehung zu setzen, wurden neue Metriken eingeführt, die ein Bewerten von Pfadvorhersagealgorithmen vergleichbarer machen sollen.

Uncontrolled Keywords: Multi agent systems, Machine learning, Features, Evaluation, Path prediction
Divisions: 20 Department of Computer Science
20 Department of Computer Science > Interactive Graphics Systems
Date Deposited: 21 May 2019 11:59
Export:
Suche nach Titel in: TUfind oder in Google
Send an inquiry Send an inquiry

Options (only for editors)
Show editorial Details Show editorial Details